OpenAIがGPT‑6ファミリーの実践ガイドを公開、モデル選定とコスト管理を解説

公開されたガイドの概要

OpenAIは2026年10月2日、GPT‑6ファミリーのモデル選定と運用に関する実践ガイドを公開しました。GPT‑6は同社が「これまでで最も先進的なモデル群」と説明するシリーズで、用途に応じてモデルを選べるとされています。想定されている作業は、アイデアのプロトタイプ化、機能の実装とテスト、コードリポジトリやデータベース、外部APIをまたぐ複数ステップのワークフローです。

ガイドは大きく4つのテーマで構成されています。本番運用の準備、作業負荷に応じたモデル選定、プロンプトとスキルの調整、長時間実行される作業の進行管理です。冒頭のTL;DRでは、キャッシュとコンパクションでコンテキストとコストを管理すること、タスク成功率とレイテンシを測ることなどが要点として挙げられています。

本番運用とコスト管理

ガイドがまず挙げるのは、本番運用に向けた効率化です。タスクに不要なコンテキストは削りつつ、判断に必要な根拠は残すこと、独立したタスクは並行して実行し、遅い工程が無関係な作業を止めないようにすることが推奨されています。定型的な作業では、プロンプトキャッシュで共通のコンテキストを再利用します。キャッシュされた入力トークンは、モデルにもよりますが未キャッシュの入力トークンより最大95%安くなると説明されています。

キャッシュを効かせるコツも示されています。変わりにくい指示や参照資料を先に置き、変動するタスクの詳細を後に置くこと、ツール定義を一貫させることが挙げられています。ダッシュボードと診断ガイドで再利用が崩れている箇所を確認できるとされ、ワークフロー全体のコストを見積もる際にはキャッシュ書き込みや長文コンテキストの料金も含めるよう求めています。

長い会話では、コンパクションが継続に必要な状態を保ちながらコンテキストサイズを減らします。デプロイ前には代表的なタスクを実行し、タスク成功率、レイテンシ、成功あたりのコストを測定することが推奨されています。あわせて、挙動をどう監視するか、データ管理の設定をどうするかを決めておく必要があるとしています。

モデルと推論レベルの選び方

モデル選択と推論レベルは、知能と価格のトレードオフとして捉えるよう説明されています。GPT‑6 Astraは最大の知能が必要な難度の高い推論向け、GPT‑6.1 Solは複雑なコーディングや調査、コンピュータ操作向け、GPT‑6 Lunaは明確なゴールを持つ定型的な大量処理向けとされています。Lunaの例として、請求書項目の抽出、リクエストの分類、構造化要約の生成が挙げられています。

推論レベルはAPIで指定でき、Low、Medium、High、Extra high／Maxの段階があります。Lowは事実抽出や小さな編集、Mediumは機能の計画や選択肢の比較、Highは難しいデバッグや深い分析、Extra high／MaxはHighで不足する場合に試し、改善が所要時間とコストに見合うときだけ採用するよう書かれています。APIでは会話の途中で推論レベルを変えてもキャッシュは壊れないとされています。

速度に関する選択肢も用意されています。APIのFast modeは、チャットアプリやコーディングツールのように応答時間が重要な場面で使うもので、Standard処理よりトークン単価は高いものの、応答時間が速く安定すると説明されています。CodexとAPIで使えるUltrafastは、推論レベルとは独立にトークン生成を高速化する仕組みで、GPT‑6 Astraで利用可能とされています。

プロンプトとスキルの調整

プロンプトについては、求めている結果、誰に向けたものか、関連する文脈と制約、完了条件を最初に明確にすることが勧められています。OpenAIのDeveloper Experience担当、Eric Provencher氏は、モデルがニュアンスや曖昧さの理解を深めたため、以前は有効だった過度に具体的な指示が今は結果を妨げることがあると述べています。

あわせて4つの領域が見直しの対象として示されています。スキルの説明を短くし、いつ実行すべきかを明示すること、AGENTS.mdでどの文書やテストが関連するかを説明し、使い捨てデータを使い本番アクセスのないローカルテストのような安全な定型作業を明示的に許可すること、単純な「常に確認する」ルールをやめて意思決定の境界を定めること、そして「完了」に何が含まれるかを定義することです。

出力についても、どの判断をモデルに任せ、いつ入力を求めるべきかを指定するよう求めています。例として、要約の構成はモデルが決めてよいが、プロジェクトのスコープを変える前には確認を取る、といった線引きが挙げられています。

分かっていない点と注意点

本ガイドには、各モデルの具体的な料金は示されていません。タスクに最適なモデルを評価する際は各モデルのpricingページを比較するよう案内されているため、実際のコスト判断には別途料金表の確認が必要です。ベンチマークなどの性能指標も、モデル選定の説明の中では示されていません。

推論レベルのExtra high／MaxやFast mode、Ultrafastについても、「対応している場合に試す」という書き方がされており、すべてのモデルで同じ選択肢が使えるとは限らないと読めます。提供地域や日本語での性能については本ガイドに記載がなく、導入検討時には別途確認が必要です。